例如,在计算机视 觉中,单个像素值可以非常快速地改变。如果斑马从左到右移动穿过图像并且它的 条纹穿过对应的像素时,该像素将迅速从黑色变为白色,并再次恢复。...学习特征具有零均值的约束对于使问题具有唯一解是必要的; 否则我们可以向所 有特征值添加一个常数,并获得具有慢度目标的相等值的不同解。...这要求学习的特征必须彼此线性去相关。没有这个约束,所有学习的特征将简单地 捕获一个最慢的信号。可以想象使用其他机制,如最小化重构误差,迫使特征多样 化。...然后 可以通过重复学习线性SFA特征提取器,对其输出应用非线性基扩展,然后在该扩 展之上学习另一个线性SFA特征提取器,来组合线性SFA模块以学习深非线性慢特 征提取器。...相比之下其他学习算法中的代价函数高度依赖于特定像素值,使 得更难以确定模型将学习什么特征。
深度SFA也已经被用于学习用在对象识别和姿态估计的特征 (Franzius et al.,2008)。